Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Pengenalan Tulisan Tangan Menggunakan Metode Curvelet Transform Dan Jaringan Saraf Tiruan Backprogation Untuk Kasus Penilaian Esai
Rudianto Tiofan NIM. (2017) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Penelitian dalam bidang pengenalan tulisan tangan telah berkembang dalam kurun waktu yang cukup lama. penelitian tersebut dilakukan karena semakin banyak dipergunakan model tulisan tangan dalam kehidupan sehari-hari. Berdasarkan penelitian mengenai tulisan tangan yang telah dilakukan sebelumnya ditemukan kendala pada proses pengenalannya, hal ini dikarenakan beberapa huruf alfabet memiliki kemiripan bentuk dengan huruf lainnya serta pada penerapannya pengenalan tulisan tangan baru diimplementasikan pada kasus yang secara umum. Pada penelitian ini citra tulisan tangan akan melalui tahap preprocessing yang meliputi proses grayscale, thresholding, dilasi, segementasi dan thinning yang selanjutnya akan lakukan proses ekstraksi ciri menggunakan metode Curvelet Transform. Curvelet Transform merupakan metode yang dapat mendefinisikan ciri citra, terutama pada citra dengan garis melengkung. Tahapan pengenalan dilakukan dengan cara mengklasifikasi hasil ciri yang didapat menggunakan metode JST Backpropagation yang merupakan salah satu metode klasifikasi terbaik untuk proses pengenalan tulisan tangan. Setelah didapatkan hasil pengenalan, selanjutnya akan di lakukan proses penilaian esai dengan mengukur tingkat kesamaan dari hasil pengenalan dengan kunci jawaban menggunakan metode Rabin Karp. Berdasarkan hasil pengujian yang dilakukan menggunakan 4 kombinasi parameter pelatihan terhadap 10 data tulisan jawaban esai didapatkan akurasi pengujian terbaik sebesar 76,3%. Parameter yang digunakan pada pelatihan backpropagation yaitu, learning rate sebesar 0.05, minimum error 0.001, dan maksimum eppoch sebesar 2000.
Ringkasan Alternatif
Research in the field of handwriting recognition has been growing in the past quite a long time. the study was done because the more handwriting model used in everyday life. Based on the research about handwriting that has been done previously found constraints on the process of recognized result, this is because some of the letters of the alphabet have a semblance of form with other letters as well as on a new handwriting recognition application implemented in a case in General. On the study of handwritten image going through stages of preprocessing process that includes grayscale, thresholding, segementasi, dilation and thinning that would do the characteristics extraction process using Curvelet Transform method. Curvelet Transform is a method that can define the characteristics of the image, especially on the image with a curved line. The stages of introduction is done by way of classifying the extraction results obtained using the method of Backpropagation JST which is one of the best classification method for handwriting recognition processes. After the introduction of the results obtained, the next will be in doing the assessment process essay by measuring the degree of similarity of results introduction with answer keys using method Rabin Karp. Based on the results of testing conducted using a combination of 4 training parameters against 10 writing essay answers obtained the best testing accuracy of 76,3%. The parameters used in backpropagation training namely, the learning rate of 0.05, minimum error 0.001, and the maximum eppoch of 2000.